原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第28 卷 第7 期 控 制 与 决 策 2013 年 7 月
Vol. 28 No. 7 Control and Decision Jul. 2013
文章编号: 1001-0920 (2013) 07-1087-07
基于混合策略自适应学习的并行粒子群优化算法
1,2,3 1
伍大清 , 郑建国
(1. 东华大学旭日工商管理学院，上海200051 ；2. 南华大学计算机科学与技术
学院，湖南衡阳421001 ；3. 人工智能四川省重点实验室，四川自贡643000)
摘 要: 针对当前各种粒子群优化算法解决问题时存在的局限性, 提出一种基于混合策略自适应学习的粒子群优化
算法(HLPSO). 该算法从收敛速度、跳出局部极值、探索、开发几个不同角度融合了4 种具有不同优势的变异策略,
当面对不同形态的复杂问题时通过自适应学习机制选择出合适的策略来完成全局寻优. 通过对7 个标准测试函数的
仿真实验并与其他算法相比较, 所得结果表明了所提出的算法具有较快的收敛速度、较高的精度以及很强的跳出局
部极值的能力.
关键词: 粒子群优化；自适应学习；变异策略；函数优化
中图分类号: TP301 文献标志码: A
Improved parallel particle swarm optimization algorithm with hybrid
strategy and self-adaptive learning
WU Da-qing1,2,3 , ZHENG Jian-guo1
(1. Glorious Sun School of Business and Management，Donghua University ，Shanghai 200051，China ；2. Department
of Computer Science and Technology，University of South China ，Hengyang 421001 ，China ；3. Artificial Intelligence
Key Laboratory of Sichuan Province，Zigong 643000 ，China ．Correspondent ：WU Da-qing ，E-mail ：DQW 1982@
126.com)
Abstract ：：：In view of the limitation of the current kinds of particle swarm optimization(PSO) algorithm, a self-adaptive
learning of hybrid strategy algorithm based on parallel particle swarm optimization(HLPSO) is proposed. The algorithm
combines four strategies reasonably in the different point of view: Convergence, jump out, exploration and exploitation,
which chooses an appropriate strategies to solve the different forms of problems through adjusting the probability of the
strategies gradually in the process of optimizing. Moreover, simulation expe
文档评论（0）